liv
3.3. Teknis Analisis
Analisis yang digunakan mengacu pada rumusan tujuan penelitian. Tujuan penelitian ini adalah: 1 menganalisis faktor-faktor lahan, tenaga kerja, bibit, Urea, TSP, KCL, Pestisida terhadap
produksi jagung dan mengukur besarnya pengaruh masing-masing faktor tersebut secara simultan di Kecamatan Wirosari Kabupaten Grobogan; 2 menganalisis tingkat efisiensi dari alokasi
penggunaan input pertanian usaha jagung di Kecamatan Wirosari Kabupaten Grobogan. Untuk menguji model pengaruh dan hubungan variabel independen yang lebih dari dua
variabel terhadap variabel dependen dipergunakan persamaan regresi linear berganda dengan metode Ordinary Least Square OLS Regression. Analisis regresi berganda adalah suatu teknik
statistikal yang dipergunakan untuk menganalisis pengaruh di antara suatu variabel dependen dan beberapa variabel independen Gujarati, 2003; Hair et al, 1998.
3.3.1. Uji Penyimpangan Asumsi Klasik
Pengujian penyimpangan asumsi klasik dilakukan terlebih dahulu sebelum dilakukan pengujian terhadap hipotesis penelitian. Pengujian ini dimaksudkan untuk mengetahui apakah
model yang diajukan dalam penelitian ini dinyatakan bebas atau lolos dari penyimpangan asumsi klasik.
Pengujian penyimpangan asumsi klasik yang dilakukan adalah: uji heteroskedastisitas, uji autokorelasi, dan uji multikolinearitas. Masing-masing pengujian penyimpangan asumsi klasik
adalah sebagai berikut:
3.3.1.1. Uji Heterosekdastisitas
Dalam regresi linear berganda salah satu yang harus dipenuhi agar taksiran parameter dalam model tersebut bersifat BLUE Best, Linear, Unbiased, and Estimator adalah var ui =
σ
2
mempunyai variasi yang sama. Pada kasus-kasus tertentu terjadi variasi ui tidak konstan atau
lv
variabel berubah-ubah. Untuk mendeteksi heteroskedastisitas dapat dilakukan pengujian dengan metode grafik.
Dengan pengujian ini dapat dideteksi apakah kesalahan pengganggu dari model yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya. Dengan
metode grafik, hasilnya dapat menunjukkan ada tidaknya pola-pola tertentu yang terbentuk seperti bergelombang, melebar kemudian menyempit serta titik-titik menyebar di atas dan di bawah angka
0 nol pada sumbu Y.
3.3.1.2. Uji Autokorelasi
Autokorelasi adalah korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti data deret waktu atau ruang seperti data cross-section. Untuk mengetahui autokorelasi
digunakan uji Durbin-Watson DW-test. Adanya autokorelasi dalam regresi dapat diketahui dengan menggunakan beberapa cara antara lain metode grafik dan uji Durbin-Watson. Langkah-langkah Uji
Durbin-Watson adalah sebagai berikut Gujarati, 1999: a
Regres model lengkap untuk mendapatkan nilai residual. b
Hitung d Durbin-Watson Statistik dengan rumus: Hasan, 1999
∑ e
n
– e
n-1 2
d = ∑ e
2 n
c Hasil rumus tersebut yaitu nilai d kemudian dibandingkan dengan nilai d tabel Durbin-
Watson. Pada tabel d tersebut terdapat dua nilai yaitu nilai batas atas du dan nilai batas bawah dL untuk berbagai nilai n dan k. Untuk autokorelasi positif 0 p 1, hipotesis
nol H diterima jika d du, sebaliknya H
ditolak jika d dL. Untuk autokorelasi negatif, hipotesis nol H
diterima jika 4-ddu, sebaliknya H ditolak jika 4-d dL.
3.3.1.3. Uji Multikolinearitas
Multikolinearitas muncul jika terdapat hubungan yang sempurna atau pasti di antara beberapa variabel atau semua variabel independen dalam model. Pada kasus multikolinearitas yang
lvi
serius, koefisien regresi tidak lagi menunjukkan pengaruh murni dari variabel independen dalam model. Terdapat beberapa metode untuk mendeteksi keberadaan multikolinearitas Gujarati, 1995;
Ramanathan, 1995. Untuk mendeteksi multikolinearitas digunakan pengukuran terhadap nilai VIF Variable Inflation Factor dan nilai Tolerance . Berikut ini langkah-langkahnya:
a Regres model lengkap untuk mendapatkan nilai R
2
Y = f x
1
....... x
7
b Regres masing-masing variabel independen terhadap seluruh variabel independen lainnya,
dapatkan nilai R
2
. Regres ini disebut auxiliary regression. x
i
= f x
j
c Jika terdapat R
i 2
R
2
berarti terdapat masalah multikolinearitas yang serius.
3.3.2. Justifikasi Statistik
Kategori